Dedicated hardware architectures for energy-efficient AI
Célkitűzés:
A mesterséges intelligencia (AI) egyre fontosabbá válik a legtöbb védelmi képesség szempontjából. A klasszikus processzorokon megvalósított mesterséges intelligencia energiafogyasztása azonban korlátozza gyakorlati felhasználását, különösen a beágyazott rendszerek és az éles számítástechnika esetében. Valójában a meglévő processzorok messze nem optimálisak a legtöbb mesterségesintelligencia-alkalmazáshoz a hatékonyság és az energiafogyasztás szempontjából, felépítésüknek köszönhetően (információ digitális megjelenítése, a memória és a számítástechnika szétválasztása). Noha ezt a problémát évtizedek óta felülírta e processzorok folyamatos technológiai fejlődése a miniatürizálás és a teljesítmény tekintetében Moore törvényét követve, ez a tendencia eléri a határát, és egyre inkább előtérbe kerül a dedikált architektúrákra való átállás igénye.
Különösen a digitálisról az analógra való átállásban rejlik a lehetőség, hogy több nagyságrenddel (várhatóan legalább ezresére) javítsa a számítástechnikát a sebesség és/vagy az energiahatékonyság tekintetében. Ezenkívül hasznot húzhat a mesterséges neurális hálózatok növekvő sokoldalúságából a különféle mesterségesintelligencia-alkalmazások kezelésére. Ezenkívül fokozott biztonságot kínál az információ olyan kódolásával, amely erősen korlátozza az információszivárgást, mivel ezek az információk mélyen összefonódnak a feldolgozó hardverrel. Emellett az érzékelő funkciókat be lehet építeni az analóg processzorokba, így nagyon alacsony energiafogyasztású intelligens szenzorokat állíthatunk elő, vagy növelhetjük a feldolgozható rádiófrekvenciás jelek frekvenciatartományát.
Dedicated hardware architectures for energy-efficient AI Read More »